chief-data-officer-advisor

首席数据官顾问

为初创企业的首席数据官和暂时没有首席数据官的创始人提供战略数据领导建议。四项决策，无需问卷：

1. 我们可以用这些数据训练模型吗？ — 来源 × 同意 × 用例矩阵
2. 该选数据仓库、湖仓还是数据网格——以及哪些该自建、哪些该采购？ — 由发展阶段驱动的架构
3. 我们的客户数据值多少钱？ — 战略价值 + 并购倍数 + 产品化路径
4. 下一步该招聘什么数据岗位？ — 阶段与岗位对照图、集中式与嵌入式组织的触发条件

此技能不涵盖战术层面上的数据工程。有关架构设计、可观测性、查询优化、RAG 或 ML 平台实施，请参阅 engineering/database-designer/、engineering/observability-designer/、engineering/data-quality-auditor/、engineering/sql-database-assistant/、engineering/rag-architect/、engineering/llm-cost-optimizer/。

关键词

首席数据官、AI 训练数据、同意来源、训练权利、GDPR 第 6 条合法依据、GDPR 第 22 条、欧盟 AI 法案高风险、ePrivacy、版权合理使用、hiQ v. LinkedIn、抓取的数据、合成数据、数据产品、数据网格、湖仓、奖章架构、dbt、Snowflake、BigQuery、Databricks、Fivetran、Airbyte、反向 ETL、特征存储、客户数据作为资产、数据变现、数据产品化、匿名化、k-匿名性、差分隐私、并购数据尽职调查、数据组织、分析工程师、数据工程师、数据科学家、数据产品经理、集中式与嵌入式、中心辐射式

快速开始

# Audit data sources for AI training eligibility
python scripts/ai_training_data_audit.py                              # uses embedded sample
python scripts/ai_training_data_audit.py path/to/sources.json

# Pick data architecture + build-vs-buy + sequencing
python scripts/data_product_strategy_picker.py                        # uses embedded Series A SaaS
python scripts/data_product_strategy_picker.py path/to/profile.json

# Value the customer data corpus + productization viability
python scripts/data_asset_valuator.py                                 # uses embedded B2B sample
python scripts/data_asset_valuator.py path/to/corpus.json

关键问题（先问这些）

• 这些数据会影响什么决策？（如果没有，为什么要收集？）
• 我们计划用于训练的每个数据源，其同意来源是什么？（仅在服务条款中说明，不等于明确选择加入。）
• 内部数据使用者有哪些，他们分属多少个不同领域？（这决定采用集中式还是嵌入式组织，以及数据仓库还是数据网格。）
• 在并购情境下，我们的数据是护城河还是负担？（主服务协议中的客户剥离条款可能会改变答案。）
• 下一步该招聘分析工程师还是数据科学家？（他们解决的问题不同；创始人常会混淆两者。）
• 在对外共享之前，我们是否进行过匿名化审计？（k-匿名性 ≥ 5 是最低标准，不是上限。）

核心职责

1. AI 训练数据权利

2026 年每家初创企业都面临的问题：我们能否用客户数据训练模型？

答案很少是非此即彼的。这取决于三个相互独立的维度：

维度	取值
来源	1st-party-explicit-opt-in / 1st-party-TOS-only / partner-licensed / scraped / synthetic
数据类别	匿名汇总 / 行为数据 / PII / 第三方内容 / 受监管数据（PHI、PCI、儿童数据）
用例	产品内个性化 / 微调我们的模型 / 训练基础模型 / 对外共享

每种组合都会得出 GO / MITIGATE / NO-GO。运行 ai_training_data_audit.py，并提供数据源的 JSON 清单。

完整矩阵、GDPR 第 6 条合法依据决策树，以及欧盟 AI 法案高风险触发条件，请参阅 references/ai_training_data_rights.md。

2. 数据产品战略

架构选择（数仓、湖仓还是网格）应由发展阶段决定，而非个人偏好：

• 仅使用数仓（Snowflake / BigQuery / Postgres）：数据使用者 ≤5 个，数据量 <2TB，且没有 ML 用例
• 湖仓（数仓 + 对象存储，通常使用 Databricks 或 Snowflake-with-Iceberg）：数据使用者 5–25 个，数据量 2TB–1PB，有 1–3 个 ML 用例
• 数据网格：跨 4 个及以上领域，数据使用者达到 25 个及以上，且已建立联邦式所有权文化

应按层决定自建还是采购：

层	除非满足以下情况，否则采购	仅在以下情况下自建
存储 / 数仓	从不自建	（你是一家数据基础设施公司）
ELT / 数据摄取	从不自建	Fivetran/Airbyte 不支持该数据源
建模（dbt）	始终自建	这是你的 IP
BI / 仪表板	数据使用者少于 100 个时采购	为客户提供嵌入式分析
特征存储	延后至至少有 3 个生产模型	然后自建，或采购 Tecton/Hopsworks
ML 平台	延后至至少有 5 个生产模型	然后采购 SageMaker/Vertex/Databricks

运行 data_product_strategy_picker.py，获取针对特定发展阶段的建议。参见 references/data_product_strategy.md，了解各类架构的淘汰标准和自建与采购决策树。

3. 将 B2B 客户数据视为资产

转变： 到了 B 轮及之后，客户数据不再只是运营数据，而是一项资产，可以：

• 构建防御性护城河（复制需要多年积累的客户群体）
• 提升并购价值（战略买家可获得 1.2x–2x ARR 的溢价）
• 直接带来收入（匿名化行业基准、嵌入式端点、许可）

但它也可能成为负担：

• 380 个客户中有 47 个在 MSA 中设有例外条款，导致产品化在法律上不可行
• 匿名化审计往往会发现，再识别风险超出可接受阈值
• 随着产品化，监管风险呈线性增长（GDPR 第 28 条规定的处理者 vs 第 26 条规定的联合控制者）

运行 data_asset_valuator.py，输入数据集特征，以获取战略价值评分、产品化路径和经风险调整的价值。

参见 references/customer_data_as_asset.md，了解估值框架、并购尽职调查准备清单和合同限制审查模式。

4. 数据团队组织演进

错误的问题：“我们应该招聘一名数据科学家吗？” 正确的问题：“我们缺少数据，因此无法做出下一个什么决策？什么角色可以解决这个问题？”

阶段与角色对照表（B2B SaaS 基准）：

阶段	首次招聘	然后	然后
Pre-seed / seed	创始人兼分析师（SQL + 电子表格）	—	—
Series A（A 轮）	分析师	分析工程师（dbt）	—
Series B	数据工程师	高级分析师（嵌入 GTM 团队）	数据产品经理（若有 3 个及以上团队需要数据）
增长期	分析经理	ML 工程师（若模型是核心业务）	数据负责人
后期阶段	数据负责人 → CDO	专业岗位：BI、MLE、DPO	各领域的联邦式负责人（数据网格）

**集中式与嵌入式的转变触发条件：**当至少 3 个职能领域（销售、营销、产品、运营、CS）每周都需要定制数据时，中央团队就会成为瓶颈。在这演变为招聘危机之前，转向中心辐射式模式（中央平台 + 嵌入式分析师）。

参见 references/data_team_org_evolution.md。

工作流

工作流 1：AI 训练决策（1 小时）

**目标：**判断某个数据源是否可用于训练特定用例。

# 1. Build sources.json with one entry per data source
# 2. Run the audit
python scripts/ai_training_data_audit.py sources.json
# 3. For each MITIGATE: assign owner + remediation
# 4. For each NO-GO: document the kill reason for the legal log
# 5. Cross-check with cs-general-counsel-advisor on top-3 mitigation items
# 6. Log via /c-level-agents:decide

工作流 2：架构决策（1 天）

**目标：**为未来 12 个月选择数仓 / 湖仓 / 数据网格，并决定自建与采购的划分。

python scripts/data_product_strategy_picker.py profile.json
# Cross-check with cs-cto-advisor on engineering capacity
# Cross-check with cs-cfo-advisor on 3-year TCO
# Log via /c-level-agents:decide; consider /c-level-agents:freeze 90 if signing a multi-year SaaS contract

工作流 3：并购准备的数据资产估值（3 天）

目标： 为数据语料估值并准备尽职调查。

1. 清点语料：规模、新鲜度、排他性、客户重叠情况、合同限制
2. 运行 data_asset_valuator.py
3. 执行 customer_data_as_asset.md 中的并购尽职调查准备清单
4. 将合同例外条款提交给 cs-general-counsel-advisor，制定重新签约计划
5. 决定产品化路径（基准报告 / 嵌入向量端点 / 直接许可）
6. 通过 /c-level-agents:decide 记录

工作流 4：数据团队路线图（1 周）

目标： 制定未来 18 个月的数据团队招聘计划，使其与业务决策保持一致。

1. 列出业务目前因缺少数据或分析而无法做出的 5 项关键决策
2. 将每项决策对应到能够解决该问题的职位
3. 安排招聘顺序（一次招聘一个职位，在下一次招聘前完成磨合）
4. 与 cs-chro-advisor 交叉核对薪酬范围和职级
5. 确定集中化与嵌入式团队模式之间的触发日期

输出标准（通过 cs-cdo-advisor 调用时）

**Bottom Line:** [one sentence — decision and rationale]
**The Decision:** [one of the 4 framings]
**The Evidence:** [numbers, not adjectives]
**How to Act:** [3 concrete next steps]
**Your Decision:** [the call only the founder can make]

相关技能

• c-level-advisor/skills/cto-advisor/ — 架构承载能力、扩展瓶颈
• c-level-advisor/skills/ciso-advisor/ — 数据安全、产品化数据的威胁建模
• c-level-advisor/skills/general-counsel-advisor/ — 合同约束、DPA、训练数据权利
• c-level-advisor/skills/cfo-advisor/ — 自建与采购的 TCO、并购估值计算
• c-level-advisor/skills/chro-advisor/ — 数据团队招聘、职级、薪酬
• engineering/skills/database-designer/ — 战术性架构设计
• engineering/skills/rag-architect/ — 战术性 AI/RAG 实施
• engineering/llm-cost-optimizer/ — 模型成本管理

参考资料

• ai_training_data_rights.md — 训练权利矩阵 + GDPR Art. 6 / EU AI Act 决策树
• data_product_strategy.md — 数仓 / 湖仓 / 数据网格的淘汰标准 + 自建与采购决策树
• customer_data_as_asset.md — 估值框架 + 并购尽职调查准备 + 产品化路径
• data_team_org_evolution.md — 阶段与职位对应表 + 集中化与嵌入式团队模式的触发条件

---

版本： 1.0.0 状态： 可用于生产环境 免责声明： 涉及训练数据权利、数据产品化或并购数据尽职调查的决策应征询合格法律顾问的意见。本技能用于梳理决策和权衡因素，不能替代法律审查。